覃卓庚

摘要：為了改善電動(dòng)汽車驅(qū)動(dòng)電機(jī)故障診斷效率和診斷精準(zhǔn)度，本文選擇遺傳算法和模糊故障診斷方法作為研究工具，設(shè)計(jì)一套新型電機(jī)故障診斷專家系統(tǒng)。該系統(tǒng)利用傳感器采集電機(jī)作業(yè)狀態(tài)數(shù)據(jù)，經(jīng)過模糊處理，按照模糊規(guī)則，調(diào)動(dòng)知識(shí)庫和數(shù)據(jù)庫，對(duì)電機(jī)作業(yè)狀態(tài)進(jìn)行診斷。測試結(jié)果顯示，本系統(tǒng)在電機(jī)故障診斷精準(zhǔn)度為99.8%，響應(yīng)時(shí)間控制在200？滋s以內(nèi)，較傳統(tǒng)系統(tǒng)性能有了很大改善。

Abstract： In order to improve the efficiency and accuracy of fault diagnosis of electric vehicle drive motors， this paper selects genetic algorithms and fuzzy fault diagnosis methods as research tools to design a new set of motor fault diagnosis expert systems. The system uses sensors to collect motor operating status data， and after fuzzy processing， according to fuzzy rules， the knowledge base and database are mobilized to diagnose the motor operating status. The test results show that the accuracy of the system's motor fault diagnosis is 99.8%， and the response time is controlled within 200， which has greatly improved the performance of the traditional system.

關(guān)鍵詞：模糊故障診斷;遺傳算法;電動(dòng)汽車驅(qū)動(dòng)電機(jī)

Key words： fuzzy fault diagnosis;genetic algorithm;electric vehicle drive motor

中圖分類號(hào)：TM307? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ?文章編號(hào)：1674-957X（2021）17-0202-03

0? 引言

電動(dòng)汽車作為新時(shí)代推出的環(huán)保類汽車，其電機(jī)運(yùn)行期間不會(huì)對(duì)環(huán)境造成影響，目前已經(jīng)在我國南部地區(qū)大范圍推廣，逐漸擴(kuò)展至北部[1]。該類型汽車電機(jī)采用新能源驅(qū)動(dòng)，電機(jī)驅(qū)動(dòng)控制器的開發(fā)尚不成熟，電機(jī)作業(yè)期間可能發(fā)生故障，如何快速診斷故障并加以修復(fù)，是當(dāng)前新能源電動(dòng)汽車發(fā)展的關(guān)鍵[2]。當(dāng)前提出的一些數(shù)學(xué)模型故障診斷方法精準(zhǔn)度存在較大提升空間，神經(jīng)網(wǎng)絡(luò)故障診斷結(jié)構(gòu)較為復(fù)雜，診斷效率較低[3]。本文在以往研究基礎(chǔ)上，引入遺傳算法，與模糊邏輯診斷方法結(jié)合，提出一種新的診斷方法，并將其應(yīng)用至電機(jī)故障診斷當(dāng)中，設(shè)計(jì)一套故障診斷專家系統(tǒng)。

1? 模糊故障診斷方法

1.1 數(shù)學(xué)模型與神經(jīng)網(wǎng)絡(luò)診斷方法? 數(shù)學(xué)模型診斷方法在電機(jī)故障診斷中應(yīng)用較多，根據(jù)電機(jī)作業(yè)原理及相關(guān)參數(shù)，構(gòu)建數(shù)學(xué)模型。通過測量電機(jī)作業(yè)參數(shù)數(shù)據(jù)，對(duì)電機(jī)當(dāng)前作業(yè)狀態(tài)進(jìn)行診斷，判斷是否發(fā)生故障。這種方法能夠判斷即將發(fā)生的故障或者已經(jīng)產(chǎn)生的故障。其中，數(shù)學(xué)模型的精準(zhǔn)度取決于參數(shù)數(shù)據(jù)精度、故障診斷方案。所以，數(shù)學(xué)診斷模型需要與算法共同應(yīng)用。

目前，神經(jīng)網(wǎng)絡(luò)算法與數(shù)學(xué)診斷模型的共同應(yīng)用較多。利用該算法對(duì)故障類別進(jìn)行劃分，判斷當(dāng)前診斷對(duì)象發(fā)生的故障情況。一般情況下，算法應(yīng)用期間需要經(jīng)過多次學(xué)習(xí)，最終確定系統(tǒng)結(jié)構(gòu)，這個(gè)學(xué)習(xí)的過程就是訓(xùn)練。該診斷方法在電動(dòng)汽車驅(qū)動(dòng)電機(jī)故障診斷中的應(yīng)用，以測量數(shù)據(jù)作為電機(jī)故障診斷支撐，帶入神經(jīng)網(wǎng)絡(luò)模型中，對(duì)故障做出診斷。依據(jù)神經(jīng)網(wǎng)絡(luò)算法作業(yè)原理可知，該算法對(duì)測量數(shù)據(jù)精準(zhǔn)度要求較高，如果測量數(shù)據(jù)中摻雜了1個(gè)或者多個(gè)偏差較大的數(shù)據(jù)，則會(huì)出現(xiàn)故障診斷精準(zhǔn)度下降現(xiàn)象。

1.2 模糊邏輯故障診斷方法? 對(duì)于神經(jīng)網(wǎng)絡(luò)算法存在的測量數(shù)據(jù)偏差影響問題，模糊邏輯故障診斷方法對(duì)此進(jìn)行了完善，對(duì)測量數(shù)據(jù)進(jìn)行了處理。其中，處理工具為模糊化單元，按照底層模糊規(guī)則，采取模糊推理，得到更為精準(zhǔn)的診斷結(jié)果。如圖1所示為模糊邏輯故障診斷框架結(jié)構(gòu)。

該診斷結(jié)構(gòu)通過檢測電動(dòng)汽車電機(jī)與控制器（驅(qū)動(dòng)裝置）作業(yè)狀態(tài)，獲取相關(guān)參數(shù)數(shù)據(jù)，對(duì)于這些數(shù)據(jù)采取模糊化單元處理，得到多個(gè)單元模塊，從模糊入口輸入數(shù)據(jù)。以底層模糊規(guī)則作為推斷依據(jù)，給出模糊推斷結(jié)論，從輸出端輸出結(jié)果，采用解模糊化處理手段，生成可視化故障診斷結(jié)果。該方法模糊推理是診斷方法的關(guān)鍵，當(dāng)前提出的一些模糊推理結(jié)構(gòu)較為復(fù)雜，并且遍歷路徑較多，存在偏離最佳路徑情況，仍需進(jìn)一步完善。

1.3 模糊邏輯故障診斷方法的優(yōu)化? 本研究在模糊邏輯故障診斷方法基礎(chǔ)上，引入遺傳算法，對(duì)該診斷方法進(jìn)行優(yōu)化。該優(yōu)化方案建立在遺傳學(xué)和自然選擇原理基礎(chǔ)上，通過多次遍歷尋找最優(yōu)路徑，與其它路徑選擇方法相比，這種算法更為精準(zhǔn)，能夠掌控全局信息，加快了遍歷效率。本研究將遺傳算法應(yīng)用至故障診斷中，對(duì)電動(dòng)汽車驅(qū)動(dòng)電機(jī)故障進(jìn)行診斷。如圖2所示為優(yōu)化后的故障診斷方法框架結(jié)構(gòu)。

該診斷方法將遺傳算法應(yīng)用神經(jīng)網(wǎng)絡(luò)中，經(jīng)過一番訓(xùn)練處理后，與專家診斷結(jié)果結(jié)合，對(duì)當(dāng)前故障進(jìn)行綜合診斷，以此提高電機(jī)故障診斷精準(zhǔn)度。其中，算法診斷速度在DSP作用下，響應(yīng)時(shí)間大大縮短，能夠控制在300？滋s。從理論層面分析，該診斷方法針對(duì)單故障信號(hào)和雙故障信號(hào)的診斷精準(zhǔn)度可達(dá)98%、66%。

2? 電動(dòng)汽車驅(qū)動(dòng)電機(jī)故障診斷專家系統(tǒng)功能設(shè)計(jì)

本研究利用優(yōu)化后的故障診斷模型，構(gòu)建一套新型電機(jī)故障診斷專家系統(tǒng)。該系統(tǒng)包含4個(gè)接口，分別是狀態(tài)信息輸入接口、數(shù)據(jù)通信接口、人機(jī)接口、診斷輸出接口。系統(tǒng)所有數(shù)據(jù)從通信接口輸入，作為系統(tǒng)診斷狀態(tài)信息，從“輸入接口”輸入，在診斷輸出接口生成診斷結(jié)果。人機(jī)接口用來建立系統(tǒng)與操作人員的交互，通過觀察操作界面，獲取相關(guān)診斷信息。該系統(tǒng)各個(gè)接口連接的內(nèi)部結(jié)構(gòu)設(shè)計(jì)，主要包括數(shù)據(jù)庫、知識(shí)庫、推理機(jī)、故障處理、知識(shí)獲取6個(gè)模塊。①數(shù)據(jù)庫：該模塊作為系統(tǒng)信息存儲(chǔ)工具，主要用來存儲(chǔ)電機(jī)作業(yè)相關(guān)數(shù)據(jù)。其中，獲取數(shù)據(jù)來自電機(jī)傳感器。②知識(shí)庫：該模塊作為故障診斷參考工具，用來存儲(chǔ)故障診斷相關(guān)知識(shí)，并且歸納了一些狀況下的故障類別和相應(yīng)處理方法。③推理機(jī)：該模塊作為故障診斷工具，根據(jù)知識(shí)庫中的故障判斷依據(jù)，對(duì)數(shù)據(jù)庫存儲(chǔ)的數(shù)據(jù)進(jìn)行推理分析，推斷電機(jī)當(dāng)前作業(yè)是否發(fā)生故障，并判斷故障類別。④故障處理：根據(jù)故障診斷結(jié)果，調(diào)用系統(tǒng)知識(shí)庫，從中查詢當(dāng)前故障的處理方法。如果知識(shí)庫中不存在此狀況故障，則需要技術(shù)人員探討決策。⑤人機(jī)接口：該模塊是建立工作人員和系統(tǒng)交互的工具，通過此接口便可以獲取故障數(shù)據(jù)/下發(fā)控制命令。⑥知識(shí)獲?。涸撃K是對(duì)知識(shí)庫的完善與更新，利用“查詢”和“檢索”功能，獲取電機(jī)故障診斷知識(shí)，對(duì)當(dāng)前知識(shí)庫中的診斷知識(shí)采取刪除、修改、添加等操作，獲取更為全面的判斷依據(jù)。

3? 電動(dòng)汽車驅(qū)動(dòng)電機(jī)故障診斷專家系統(tǒng)詳細(xì)設(shè)計(jì)

3.1 系統(tǒng)硬件框架結(jié)構(gòu)設(shè)計(jì)? 本系統(tǒng)選取PC104主板作為核心控制器，對(duì)電機(jī)作業(yè)狀態(tài)檢測傳感器進(jìn)行驅(qū)動(dòng)，從而采集相關(guān)數(shù)據(jù)，通過總線連接，建立測試口與現(xiàn)場電機(jī)通信連接。如圖3所示為系統(tǒng)硬件框架結(jié)構(gòu)。

該結(jié)構(gòu)中，利用傳感器采集測量信號(hào)，包括電流、溫度、轉(zhuǎn)速、電壓等信號(hào)，將這些信號(hào)通過總線傳輸至PC104主板，而后通過人機(jī)接口上傳至管理人員計(jì)算機(jī)，在顯示屏中展示結(jié)果。

3.2 系統(tǒng)故障診斷專家系統(tǒng)流程設(shè)計(jì)? 本系統(tǒng)軟件在Keil環(huán)境下編譯程序，根據(jù)電機(jī)故障診斷需求，編譯系統(tǒng)程序。軟件作業(yè)流程作為系統(tǒng)軟件開發(fā)的核心，需要建立在電機(jī)故障診斷功能開發(fā)需求詳細(xì)設(shè)計(jì)。如圖4所示為系統(tǒng)軟件故障診斷作業(yè)流程。

首先，運(yùn)行系統(tǒng)主程序，登錄表單，進(jìn)入系統(tǒng)主界面。而后按照操作功能部分，為用戶提供“故障診斷”服務(wù)、“系統(tǒng)維護(hù)”服務(wù)。其次，根據(jù)操作需求，選擇相應(yīng)功能的主表單。最后，錄入相關(guān)信息數(shù)據(jù)，等待電機(jī)故障診斷結(jié)果的輸出。

3.2.1 故障診斷主表單運(yùn)行流程? 該表單功能主要包括3項(xiàng)，分別是故障診斷功能、數(shù)據(jù)錄入功能、數(shù)據(jù)查詢功能。其中，數(shù)據(jù)診斷功能，根據(jù)錄入的信息數(shù)據(jù)進(jìn)行判斷，涉及到的信息類型包括結(jié)構(gòu)信息、現(xiàn)象信息、電氣信息、事例信息、原因信息。數(shù)據(jù)查詢功能，支持設(shè)計(jì)參數(shù)、事例信息、標(biāo)準(zhǔn)信息3項(xiàng)操作。

3.2.2 系統(tǒng)維護(hù)主表單運(yùn)行流程? 該項(xiàng)功能的設(shè)置是為了給予系統(tǒng)正常運(yùn)行保障，當(dāng)系統(tǒng)運(yùn)行發(fā)生異常時(shí)，立即開啟系統(tǒng)維護(hù)功能，使得系統(tǒng)故障診斷系統(tǒng)得以恢復(fù)，再次進(jìn)入正常作業(yè)狀態(tài)。另外，該項(xiàng)功能模塊還支持系統(tǒng)信息和用戶信息操控，包括修改、更新、添加等。為了支持故障診斷功能，該表單模塊還支持知識(shí)庫功能，根據(jù)最新提供的信息，更新知識(shí)庫內(nèi)容，為系統(tǒng)維護(hù)、系統(tǒng)故障診斷提供更為全面時(shí)效性更強(qiáng)的信息。故障修復(fù)作為表單模塊核心功能，根據(jù)知識(shí)庫信息進(jìn)行處理。

3.2.3 系統(tǒng)知識(shí)表示? 本系統(tǒng)知識(shí)表示方法建立在模糊數(shù)學(xué)基礎(chǔ)上，按照產(chǎn)生原則，以啟發(fā)式知識(shí)作為表達(dá)手法，通過分析數(shù)據(jù)可靠性，計(jì)算可信度因子，綜合各項(xiàng)因子數(shù)據(jù)，完成模糊推理。其中，模糊產(chǎn)生原則是模糊推理的基礎(chǔ)，本研究在傳統(tǒng)產(chǎn)生式規(guī)則基礎(chǔ)上，對(duì)其采取模糊化處理。假設(shè)規(guī)則激活閾值為？姿，取值范圍（0，1），對(duì)應(yīng)的可信度記為CF，取值范圍（0，1）。以下為模糊規(guī)則及知識(shí)表達(dá)：

按照上述運(yùn)行程序中的規(guī)則，對(duì)電機(jī)當(dāng)前作業(yè)狀態(tài)進(jìn)行診斷，并輸出診斷結(jié)果。

3.2.4 系統(tǒng)模糊數(shù)據(jù)庫

考慮到系統(tǒng)采集到的數(shù)據(jù)可能存在偏差，并且涉及到的信息類別較多，為了提高診斷效率和診斷精準(zhǔn)度，本文提出了模糊數(shù)學(xué)理論和遺傳算法的應(yīng)用，將這兩種技術(shù)融合到一起，建立系統(tǒng)數(shù)據(jù)庫。通過模糊學(xué)習(xí)，合理設(shè)置故障產(chǎn)生原因隸屬度，根據(jù)系統(tǒng)作業(yè)狀態(tài)，實(shí)時(shí)修改學(xué)習(xí)體系，打造智能診斷專家系統(tǒng)。為了充分發(fā)揮智能化診斷作用，本系統(tǒng)數(shù)據(jù)庫加強(qiáng)表之間關(guān)系的創(chuàng)建，簡化了表關(guān)系結(jié)構(gòu)體系，以此提高數(shù)據(jù)庫信息調(diào)用速度，支持故障診斷條件自動(dòng)篩選，即根據(jù)當(dāng)前電機(jī)故障診斷需求，自動(dòng)匹配相關(guān)數(shù)據(jù)，默認(rèn)實(shí)時(shí)數(shù)據(jù)。如果操作人員有歷史數(shù)據(jù)查詢需求，可以在查詢欄中輸入數(shù)據(jù)時(shí)間，完成針對(duì)某一具體時(shí)間的故障診斷。

3.2.5 系統(tǒng)推理機(jī)

系統(tǒng)推理機(jī)是故障診斷結(jié)果生成的重要環(huán)節(jié)，以知識(shí)庫作為主要推理依據(jù)，同時(shí)運(yùn)行模糊數(shù)據(jù)庫，獲取當(dāng)前或者某一時(shí)段下電機(jī)作業(yè)狀態(tài)信息，打造綜合數(shù)據(jù)庫，通過建立此數(shù)據(jù)庫與工作人員操作計(jì)算機(jī)的通訊連接，從而完成故障推理。

故障推理期間，采用匹配處理方法，從綜合數(shù)據(jù)庫中找到與電機(jī)當(dāng)前作業(yè)狀態(tài)匹配的故障類別。其中，涉及到的運(yùn)算為模糊集合運(yùn)算，采用此運(yùn)算方法計(jì)算產(chǎn)生故障原因隸屬度數(shù)值。如果計(jì)算結(jié)果超出閾值范圍，則認(rèn)為當(dāng)前電機(jī)作業(yè)發(fā)生故障，系統(tǒng)將自動(dòng)向用戶計(jì)算機(jī)發(fā)送此條消息。如果未超出閾值范圍，則等待下一組數(shù)據(jù)診斷，用戶在計(jì)算機(jī)操作界面不會(huì)查閱到異常信息。為了給予故障維修便利條件，本系統(tǒng)增加了故障維修建議提供服務(wù)，在推理機(jī)作業(yè)期間，如果檢測到電機(jī)作業(yè)發(fā)生異常，自動(dòng)生成與之匹配的維修建議。此項(xiàng)功能的開發(fā)，使用的是知識(shí)庫，在知識(shí)庫中設(shè)立電機(jī)故障原因分析數(shù)據(jù)文件夾，同時(shí)創(chuàng)建故障維修方案文件夾，根據(jù)原因與維修方案之間的關(guān)系，建立數(shù)據(jù)庫表關(guān)聯(lián)關(guān)系，從而實(shí)現(xiàn)智能化診斷與維修建議發(fā)送。

4? 系統(tǒng)測試分析

本研究利用模擬軟件，建立電動(dòng)汽車驅(qū)動(dòng)電機(jī)作業(yè)故障診斷模擬環(huán)境，在此環(huán)境下通過測試汽車駕駛期間電機(jī)作業(yè)電壓、電流、轉(zhuǎn)速、溫度4項(xiàng)指標(biāo)數(shù)據(jù)。對(duì)比系統(tǒng)模擬測試數(shù)據(jù)與設(shè)置的正常范圍，判斷當(dāng)前電機(jī)作業(yè)是否發(fā)生故障。另外，本次測試還記錄了每一次故障診斷耗用的時(shí)間，與傳統(tǒng)診斷系統(tǒng)作業(yè)效率進(jìn)行對(duì)比。目前，大部分診斷系統(tǒng)診斷響應(yīng)時(shí)間在300us左右。如表1所示為系統(tǒng)測試結(jié)果。

表1中測試結(jié)果顯示，本系統(tǒng)能夠根據(jù)設(shè)定的標(biāo)準(zhǔn)范圍，在不同模擬環(huán)境中，準(zhǔn)確判斷電機(jī)當(dāng)前作業(yè)狀態(tài)。本次測試中設(shè)置的4項(xiàng)測試指標(biāo)中，當(dāng)其中某一項(xiàng)指標(biāo)數(shù)據(jù)發(fā)生異常時(shí)，系統(tǒng)都會(huì)自動(dòng)顯示故障診斷結(jié)果，并將結(jié)果發(fā)送至用戶計(jì)算機(jī)。與以往設(shè)計(jì)的電機(jī)故障診斷系統(tǒng)相比，本系統(tǒng)作業(yè)效率也有很大改善。4次測試中，故障診斷時(shí)間均在200us以內(nèi)，大約縮短了100us。

為了檢測系統(tǒng)故障診斷精準(zhǔn)度，本次測試于2021年6月開展了1000次模擬測試工作。測試結(jié)果顯示，僅有2次診斷結(jié)果出現(xiàn)了偏差，問題出現(xiàn)在轉(zhuǎn)速數(shù)據(jù)上，導(dǎo)致模擬診斷結(jié)果錯(cuò)誤。所以，該系統(tǒng)當(dāng)前的診斷精準(zhǔn)度為99.8%，較傳統(tǒng)診斷系統(tǒng)有了較為顯著的改善。

因此，本文設(shè)計(jì)的電機(jī)故障診斷系統(tǒng)在診斷精準(zhǔn)度和作業(yè)效率兩個(gè)方面均有所改善，可以作為電動(dòng)汽車驅(qū)動(dòng)電機(jī)診斷控制系統(tǒng)開發(fā)參考依據(jù)。目前，該系統(tǒng)的研發(fā)處于模擬測試階段，需要在接下來的研究中投入使用，將其運(yùn)用至產(chǎn)品開發(fā)中，經(jīng)過多次調(diào)試，使得診斷系統(tǒng)得以不斷完善。

5? 總結(jié)

本文針對(duì)電動(dòng)汽車驅(qū)動(dòng)電機(jī)故障診斷問題展開探究，通過分析以往故障診斷系統(tǒng)開發(fā)方案的不足，引入遺傳算法和模糊故障診斷方法，提出一種新的電機(jī)故障診斷專家系統(tǒng)設(shè)計(jì)方案研究。該系統(tǒng)選取PC104主板作為核心控制器，采用總線通信技術(shù)建立電機(jī)作業(yè)現(xiàn)場和指揮工作室之間的通訊連接。測試結(jié)果顯示，本系統(tǒng)能夠較為明顯地改善系統(tǒng)的電機(jī)故障診斷精準(zhǔn)度和診斷效率，可以作為電動(dòng)汽車驅(qū)動(dòng)電機(jī)故障診斷工具。

參考文獻(xiàn)：

[1]陳奇，汪金成.基于模型的汽車電動(dòng)助力轉(zhuǎn)向系統(tǒng)故障診斷[J].汽車工程，2019，41（7）：839-850.

[2]王慶豐，吳俊勇，劉自程.一種基于諧波平面檢測的五相電機(jī)驅(qū)動(dòng)系統(tǒng)單相斷相故障診斷方法[J].中國電機(jī)工程學(xué)報(bào)，2019（2）：105-114，327.

[3]張超，杜博超，崔淑梅，等.一種為實(shí)現(xiàn)電動(dòng)汽車薄膜母線電容準(zhǔn)在線故障診斷的容值辨識(shí)方法[J].電工技術(shù)學(xué)報(bào)，2020，35（1）：220-227.